[Solomonov Seminar] 113. Solomonov seminar

[Marko Grobelnik]

Vabim vas na 113. Solomonov seminar, ki bo v torek, 
18. marca 2003 ob 13. uri v Veliki predavalnici IJS.
Posnetki in materiali preteklih seminarjev so dostopni 
na http://solomon.ijs.si/

Na tokratnem in naslednjem seminarju bo Janez Brank 
podrobno predstavil "metodo podpornih vektorjev"
(Support Vector Machine oz. SVM), ki velja v zadnjih 
letih za eno najuspesnejsih metod v strojnem ucenju.
Metoda je sestavljena iz nekaj manj trivialnih korakov,
ki pa se lepo zlozijo v delujoc algoritem oz. druzino
algoritmov za analizo podatkov.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Janez Brank (IJS):
       Metoda podpornih vektorjev (1.del)

Predstavil bom metodo podpornih vektorjev (support vector machine, SVM).  
To je relativno nov algoritem (pravzaprav bolj druzina algoritmov) s podrocja
strojnega ucenja.  Prvotna razlicica algoritma je zamisljena za klasifikacijske 
probleme z dvema razredoma, obstajajo pa tudi razsiritve za vec razredov in 
za regresijske probleme.  SVM ima dobro teoreticno podlago, obenem pa 
se dobro obnese tudi na realisticnih podatkih z raznih problemskih podrocij.

V prvem delu seminarja (v torek) bom opisal, kako si SVM zastavi ucenje kot
optimizacijski problem in kako ta problem s pomocjo prijemov iz matematike
(teorija optimizacije) predelamo v bolj obvladljivo dualno obliko, ki jo
lahko resujemo numericno.

V drugem delu (v cetrtek) bom opisal, kako lahko z uporabo t.im. jeder
iscemo namesto linearnih tudi nelinearne modele, pri tem pa ostane
optimizacijsko ogrodje prakticno nespremenjeno.  Predstavil bom se nekaj
razsiritev SVMja (vec kot dva razreda, regresija, transdukcija), nekaj
prosto dostopnih implementacij SVMja in nekaj literature o SVMjih.

Namen seminarja je, da bi lahko poslusalec metodo podpornih vektorjev
uporabljal ne zgolj kot crno skatlico, ampak bi si tudi malo predstavljal,
kako ta skatlica deluje.